Меня зовут Сергей Тимакин, мне 22 года. Я учусь в онлайн-магистратуре НИЯУ МИФИ в партнёрстве с Яндекс Практикум по программе «Специалист по работе с данными и ИИ» и работаю аналитиком данных в Озоне. В статье — мой путь в аналитику, опыт трудоустройства в бигтех, выбор магистратуры и как я совмещаю работу и учёбу.

Почему именно аналитика данных?

Я учился в обычной школе без математического уклона. В 11 классе не знал, кем хочу стать. Сдал ЕГЭ по профильной математике и обществознанию — суммарно 225 баллов. По совету знакомых поступил в РУТ МИИТ на направление «Бизнес-информатика».

На втором курсе бакалавриата начал изучать базы данных. SQL дался легко, и я случайно отправил резюме на вакансию стажёра по BI-отчётности в МГТС. Это был 2023 год — мой первый отклик в IT и первое успешное собеседование. Так я устроился на 40-часовую работу, параллельно учась на очной форме.

Как совмещал учёбу и работу

В МГТС я освоил инструменты для BI-отчётности и аналитических витрин. Руководитель шёл навстречу: разрешал дистанционную работу. В такие дни я ходил на пары и одновременно разбирался с ETL-пайплайнами. Было тяжело — за пропуски могли не допустить до экзаменов.

Проработал в МГТС около 10 месяцев. На третьем курсе решил сменить сферу и устроился аналитиком данных в MWS. На поиск потребовалось 20 откликов и 3 собеседования. К тому времени учёба стала проще, а гибридный график (3 дня удалённо, 2 в офисе) помогал совмещать всё без потерь.

В MWS я занимался capacity-отчётностью. Это был сложный и интересный процесс: научился строить BI-дашборды и работать с разными источниками данных. Проработал больше года. Можно сказать, именно там я начал становиться настоящим специалистом.

Почему решил продолжить учиться

На четвёртом курсе столкнулся с проблемой профессионального и интеллектуального роста. Понял: чтобы двигаться дальше, недостаточно рутины и диплома. Нужно глубокое понимание того, что и как ты делаешь.

Передо мной встал вопрос: где учиться?

Вариант 1 — расти в компании. Но не всегда там дают качественные навыки или объективную обратную связь. Вариант 2 — поступить в профильную магистратуру, где покажут лучшие практики. Я выбрал второе, потому что обычные вузы часто не дают нужных знаний. На четвёртом курсе решил поступать в магистратуру и сменить работу для роста.

Как выбирал магистратуру

Со второго курса совмещал учёбу и работу, поэтому понимал тяжесть очного графика. Рассматривал только онлайн-программы.

Увидел, что НИЯУ МИФИ запускает магистерскую программу «Специалист по работе с данными и ИИ» в партнёрстве с Яндексом — сразу подал заявление. Знал, что МИФИ готовит сильных IT-специалистов. Плюс вступительные экзамены оказались посильными.

Как организована учёба

В магистратуре прозрачная система оценивания. Кураторы (по одному от МИФИ и Яндекса) в начале семестра объясняют, как сдать зачёт или экзамен. Нужно набрать баллы и уложиться в дедлайны. Если не успел или не набрал — попадаешь на пересдачу.

Задания открываются по мере прохождения курса. После последнего — даётся больше двух недель на выполнение. Лекции и практики добавлены в Яндекс Календарь, записи — в папки на Диске. Всегда можно пересмотреть.

Есть организационный чат в Пачке, разделённый по предметам. Там — расписания, объявления и возможность задать вопрос преподавателю. Кураторы оперативно отвечают в рабочее время. У меня ни разу не было ситуации, когда бы вопрос остался без ответа.

Почему выбрал эту программу:

• Гибкое время учёбы.
• Структурированные материалы.
• Организационный чат с полезной информацией.
• Оперативная поддержка кураторов.
• Прозрачная система оценивания.
• Удобная платформа Яндекса для кода и проверки заданий.
• Современный стек технологий.
• Работа над обратной связью.
• Сбалансированная нагрузка — если не откладывать всё на последний момент.

Практика в магистратуре и польза для работы

Я ожидал погружения в технологии обработки данных и основы машинного обучения. Ожидания оправдались.

Больше всего нравятся задания по ML. Мы работаем на Kaggle: исследуем датасеты (например, по нефтяным месторождениям или стоимости репетиторов), создаём признаки, строим и сравниваем модели. Даже после сдачи хочется улучшить модель и подняться в лидерборде.

Есть интересные задания по Python. Например, мы создавали двухсервисную систему LLM-консультаций: реализовали безопасную API-интеграцию с OpenRouter и подключили модель через Telegram-бота.

Сейчас я на втором семестре первого года. За год изучили математическую статистику, теорию вероятностей, углублённый Python, AB-тестирование и классические ML-алгоритмы. Программа не перегружена сложной математикой — много практики и кейсов, полезных в работе.

Благодаря учёбе я стал лучше организовывать репозиторий в GitLab, писать чистый код на Python и рассчитывать сезонность продаж с помощью новых статистических методов.

Как устроился в Озон и как изменился рынок

Сейчас я аналитик данных в коммерческом блоке Озона и параллельно учусь в магистратуре.

Попал в Озон в начале 2025 года, будучи на четвёртом курсе. Отправил около 50 откликов, прошёл 7 собеседований. Было несколько оферов — выбрал Озон по условиям.

Сейчас всё чаще вижу, что вакансии требуют знаний предметной области, ML-алгоритмов и статистики — даже если не используешь их напрямую. Требования растут, особенно в крупных IT-компаниях (tier-1). Это связано с высокой конкуренцией. В более мелких компаниях (tier-2 и tier-3) требования меняются медленнее.

Как ИИ-агенты встраиваются в мою работу

В 2023 году, когда я начинал, ИИ-агенты ещё не были популярны. В MWS начал использовать их для уточнения функций в SQL.

Сейчас, в Озоне, применяю шире: прошу ИИ написать обработку данных на Python, а потом сам правлю код. Также активно использую внутренние ИИ-решения для анализа логов. Но базовые SQL-запросы (а это до 90% задач аналитика) всё ещё пишу вручную. Иногда спрашиваю у ИИ про возможности функций, но не более.

Будущее аналитики — моё мнение

С развитием автоматизации и ИИ аналитикам придётся глубже погружаться в инженерные и математические аспекты. Сейчас в обязанности всё чаще входит не только анализ данных, но и поддержка аналитической инфраструктуры.

Постепенно профессия смещается в сторону аналитика-инженера и data scientist. Бизнесу нужны универсалы — которые могут и анализировать, и работать с данными на инженерном уровне, и при этом разбираться в математике для ML и AB-тестов.

Сейчас я занимаюсь поддержкой инструментов и первичным анализом без математического уклона. Хочу углубиться в математические методы и работать с данными осознаннее. Знания из магистратуры дают мне преимущество на рынке и помогают в работе.

Всем привет! Меня зовут Сергей Тимакин, мне 22 года. Я учусь в онлайн-магистратуре НИЯУ МИФИ в партнёрстве с Яндекс Практикум на программе«Специалист по работе с данными и ИИ»и работаю аналитиком данных в Озоне. В статье рассказываю, как я стал аналитиком, устроился в Озон, зачем пошел онлайн-магистратуру и как я совмещаю учёбу с работой.

Почему именно аналитика данных?

Я учился в обычной школе без математического уклона. В 11 классе я ещё не знал, кем хочу быть. Из ЕГЭ сдавал два предмета (помимо русского): профильную математику и обществознание. Суммарный балл у меня был не очень высоким: 225 за три предмета — достаточно средний результат для хорошиста. По совету знакомых поступил в РУТ МИИТ на направление «Бизнес-информатика».

На втором курсе бакалавриата мы начали изучать базы данных. Они сразу мне понравились, я достаточно быстро освоил SQL и практически случайно в середине второго курса отправил резюме на вакансию стажёра по BI-отчётности и базам данных в компанию МГТС. Это был 2023 год, мой самый первый отклик на IT позицию и моё первое успешное собеседование с последующим трудоустройством. Сейчас такое вряд ли было бы возможно с учётом конкуренции на стажёрские позиции. Так, по иронии судьбы, на втором курсе университета я начал совмещать очное обучение и 40-часовую рабочую неделю.

Как я совмещал учёбу в бакалавриате и работу аналитиком

Благодаря классной команде и руководителю, я освоил инструментарий для формирования BI-отчётности и построения аналитических витрин данных. Руководство шло мне навстречу и позволяло в некоторые дни работать дистанционно. В такие дни я ехал в вуз, сидел на парах и параллельно разбирался в сломанном ETL-пайплайне на работе. Совмещать было достаточно трудно из-за обязательного посещения некоторых очных пар: за пропуски могли дать дополнительные задания на экзамене или не допустить до экзамена без сданных на паре работ.

В МГТС я проработал около 10 месяцев, а на 3 курсе решил сменить сферу деятельности и устроился аналитиком данных в MWS. Это был 2024 год. Суммарно мне потребовалось около 20 откликов и 3 собеседования, чтобы найти свою вакансию. К тому моменту учиться в вузе стало немного проще и совмещать работу с учёбой тоже стало легче. У меня был гибридный график (3 дня удалённо, 2 дня в офисе) — это позволило посещать нужные пары и работать без ущерба для производительности. В MWS я занимался построением capacity отчётности. Это был достаточно интересный и непростой процесс, который научил меня правильно формировать BI-дашборды и работать с различными базами данных и источниками. В MWS я проработал больше года. Можно сказать, что именно в этой компании я начал потихоньку становиться настоящим специалистом.

Почему я решил продолжать учиться

Уже на 4 курсе университета столкнулся с проблемой профессионального и интеллектуального роста. Я понимал: чтобы двигаться дальше по карьерной лестнице и улучшать профессиональные навыки, недостаточно делать простые рутинные задачи аналитика и недостаточно получить «корочку» в вузе — нужно глубинное понимание того, что и как ты делаешь.

Передо мной встал вопрос: где и как учиться дальше?

Один из вариантов — работать в компании и постепенно расти. Но не всегда на работе можно получить хорошие профессиональные навыки или объективную оценку своей работы. Есть и другой вариант — поступить в профильную магистратуру в хороший специализированный вуз, где тебя направят и покажут лучшие практики по разработке или анализу данных. Подчёркиваю: именно в профильный вуз, потому что обычный многопрофильный среднестатистический вуз может не дать необходимых результатов и знаний. Именно с такими мыслями на 4 курсе я решил поступать в магистратуру и параллельно сменить место работы для профессионального роста.

Как я выбирал магистратуру для поступления

Так как со второго курса мне приходилось учиться и параллельно работать, я понимал всю тяжесть очных посещений, когда у тебя 8-часовой рабочий день за спиной. Поэтому я рассматривал только онлайн-программы.

Когда я увидел что НИЯУ МИФИ в партнёрстве с Яндексом запускают магистерскую программу«Специалист по работе с данными и ИИ», недолго думая, подал заявление, потому что знал, что МИФИ — это один из ведущих вузов, который готовит хороших IT-специалистов. Особенно меня привлекли вступительные экзамены — для меня они оказались несложными.

Как организована учёба

В магистратуре действует достаточно прозрачная система оценивания. Кураторы программы (1 человек от МИФИ и 1 человек от Яндекса) в начале семестра озвучивают условия сдачи зачёта и экзамена по предметам — обычно необходимо набрать нужное количество баллов и уложиться в определённые дедлайны, если ты не набираешь проходное количество баллов или не успеваешь сдать работы до определённого срока, то попадаешь на пересдачу. Задания, которые необходимо выполнить, открываются по мере прохождения материалов курса и лекций, обычно после открытия последнего задания у тебя есть больше двух недель на его выполнение.Ещё отдельно хочется отметить организационный подход: все лекции и практические занятия у нас занесены в Яндекс Календарь, который ты можешь добавить к себе, записи лекций преподаватели или кураторы выкладывают в отдельные папки на Яндекс Диске — всегда можно вернуться и пересмотреть непонятный момент.

У группы есть организационный чат в Пачке, который разделён на отдельные предметы, туда приходят оповещения о запланированной паре или изменений в расписании. В чате ты можешь спросить и уточнить любые вопросы у преподавателя. Кураторы курса всегда на связи в рабочий день и помогают решать практически любые вопросы, возникающие у студентов (у меня не было ситуации, когда на мой вопрос не смогли ответить или помочь мне).Почему я в итоге выбрал именноэту программу:

1) Можно учиться в любое время.2) Структурированные материалы.3) Организационный чат со всей необходимой информацией.4) Оперативная помощь от кураторов программы.5) Понятная и прозрачная система оценивания.6) Удобная платформа Яндекса для написания кода и проверки заданий.8) Современный стек обучения.9) Работа над обратной связью.10) Достаточно сбалансированная система нагрузки по учебным предметам и заданиям (если не откладывать всё на последний момент).

Как мы практикуемся и что из практики удается забрать для рабочих задач

При поступлении вонлайн-магистратуруот обучения я ожидал погружения в различные технологии по обработке данных и изучения основных методов и принципов машинного обучения. Мои ожидания полностью совпали с реальностью.

Больше всего мне нравятся задания по ML. Они у нас проходят в соревновательном режиме на Kaggle. Мы работаем с различными датасетами (месторождения нефти, химические составы элементов, средняя стоимость услуги репетиторов в рублях) исследуем их, анализируем, создаем дополнительные признаки и строим ML-модели, которые сравниваем между собой и выбираем наилучшую. Даже после успешной сдачи задания есть азарт выполнять его и дальше, чтобы улучшить качество своей модели и оказаться на первом месте в лидерборде — рейтинге студентов.

Ещё у нас очень интересные практические задания по Python. На одном из них мы создавали двухсервисную систему LLM-консультаций. Реализовывали безопасную api интеграцию с сервисом OpenRouter и создавали интерфейс взаимодействия с моделью через телеграм-бота.

Сейчас я учусь на 2 семестре первого курса обучения. За год мы изучили основные разделы математической статистики, теории вероятности, прошли основы Python и его углубленный функционал, погрузились в AB-тестирование и классические ML-алгоритмы. Программа курса не перегружена сложной высшей математикой и обширной теоретической базой. Много практических материалов и кейсов, которые могут пригодиться на работе.Благодаря полученным знаниям в магистратуре я стал лучше организовывать рабочий репозиторий в GitLab и писать более чистый и грамотный код на Python, а ещё с помощью новых изученных методов по статистике рассчитал сезонность продаж.

Как я устроился в Озон и как с тех пор изменился рынок

Сейчас я работаю в компании Озон на должности аналитика данных в коммерческом блоке и параллельно учусь в онлайн-магистратуре.

Как я попал в Озон после MWS, будучи на 4 курсе бакалавриата: сделал около 50 откликов и прошёл примерно 7 собеседований, в начале 2025 года. У меня было несколько оферов, я выбрал Озон, потому что он подошёл мне по всем условиям.

Сейчас я всё чаще встречаю вакансии, где требуется обширное знание различных предметных областей. Недостаточно просто выучить язык программирования или язык запросов, необходимо ещё знать предметную область, различные ML-алгоритмы и статистические методы обработки информации, даже если ты и не будешь заниматься этим на работе.

По моим наблюдениям, требования к кандидатам растут у больших и ведущих IT компаний (обозначим их за tier - 1). Скорее всего это связано с большой конкуренцией на 1 рабочее место. В компаниях поменьше (tier - 2 и tier - 3) требования к кандидатам меняются медленнее из-за меньшей конкуренции на одну вакансию.

Как ИИ-агенты встраиваются в мою работу

Когда я только начинал свою профессиональную деятельность в 2023 году, ещё не были настолько популярны разные ИИ-агенты. Поэтому использовать я их начал, когда переходил работать в MWS, но и тогда моё применение сводилось к виду: а что означает функция n в SQL?

Сейчас, работая в Озоне, я применяю их гораздо шире, могу попросить написать обработку данных на Python и уже далее самостоятельно этот код правлю, ещё они очень сильно помогают анализировать логи сервиса (для этого лучше использовать внутренние ИИ-решения в компании). Но ИИ до сих пор не может заменить базовое написание sql-запросов (а это иногда до 90% функционала аналитика), поэтому все скрипты я пишу вручную и только изредка спрашиваю у ИИ про возможности той или иной функции.

Какое будущее ждёт сферу аналитики — моё мнение

По мере развития автоматизации и различных ИИ-решений аналитики должны будут всё больше и больше углубляться в инженерные или математические алгоритмы. Уже сейчас зачастую в обязанности аналитика входит не только проверка различных гипотез или выгрузка данных для бизнеса, но и поддержка аналитической инфраструктуры.

Прослеживается постепенное разделение и смещение в сторону аналитика-инженера и специалиста по Data-science. Бизнесу будут необходимы могучие универсалы в сфере первичного анализа и одновременно в сфере дата-инжиниринга, и ещё сильные математики, которые могут обучить необходимую модель и провести AB-тесты. Профессия аналитика данных будет интегрироваться с профессией data engineer и одновременно развивать другое чисто математическое направление.

Сейчас в мои обязанности на работе входит поддержка аналитических инструментов для команды и первичный анализ данных (без математического уклона). Я бы хотел углубиться в математические методы и работать с информацией более осознанно, чем сейчас. Знания, полученные вмагистратуре, дают мне преимущества на рынке труда и помогают в рабочих процессах.